臺風災情評估及方法綜述*

魏章進，隋廣軍，唐丹玲

(1.廣東外語外貿大學信息學院，廣東廣州510420;2.廣東外語外貿大學，廣東廣州510632;3.中國科學院南海海洋研究所熱帶海洋國家重點實驗室海洋生態環境遙感中心，廣東廣州510301)

臺風災害是全球發生頻率最高影響最嚴重的一種自然災害[1]，據瑞士再保險公司統計，1970-2007年造成全球保險損失金額最高的10大災害中，8起與臺風有關[2]。中國則是全世界遭受臺風災害最嚴重的國家之一。1988-2010年，中國每年因臺風造成的直接經濟損失高達290.5億元[3]。隨著經濟總量的增加，臺風災害的經濟損失也呈逐年增加趨勢[4]。

災害評估，是災害的預測、防治乃至災害補償研究的基礎，其評估結果是國家和區域減災決策的制定和實施的可靠依據。災害評估對防災減災以及經濟和社會的可持續性發展具有現實和長遠的實踐意義。

臺風災害評估自1960年代開始，人們沿著不同脈絡開展研究，在理論和實踐方面都取得了豐富成果。綜合現有學術研究，臺風災害評估可以劃分為以下幾個方面:臺風災害系統論研究、臺風災害風險評估、臺風災害災情評估、臺風災害經濟損失評估、臺風災害減災防災能力評估、臺風災害的生態評估等。臺風災害的風險評估與臺風災害的災情評估開展較多，而生態評估與減災防災效益較少開展。

臺風災害風險評估的對象是臺風易發的風險地區，是歷史的常態性評估;而臺風災情評估的對象是一次具體的臺風過程，評估的對象是正在或剛剛發生的臺風災害導致的損失嚴重程度。

以往，臺風災害評估對風險評估與災情評估較少區分，而災情評估在學術理論研究和氣象部門的業務實踐中已有許多成果，各類文獻中，缺少歸納總結。對臺風災情評估進行一個較為全面的綜述十分必要，有利于進一步深化臺風災情評估研究并提高減災防災的決策水平。

本文主要針對臺風災情評估，分別對臺風災情評估理論及其方法進行比較，指出其特點與存在的問題，并對臺風災情評估的發展趨勢進行展望。

1 臺風災情的主要評估方法

臺風災害的風險評價是是根據臺風災害的頻度、強度以及承災體的屬性，對未來承災地區可能發生的臺風災害的預評估。而災情評估(亦稱為災害的損失評估)是指在掌握豐富的歷史與現實災害數據資料的基礎上，應用統計方法對已經或正在發生的災害可能造成的、正在造成的或已經造成的人員傷害與財產或利益損失進行定量的估算，并評估其災害嚴重程度。臺風災情評估與臺風災害的風險評價相比，側重點不同。臺風風險評估是以承災地區為評估對象，定量計算其遭受損失的可能性及大小;臺風災情評估的對象則是一次正在或已經發生的臺風災害，量度其綜合破壞程度。目前臺風災情指數評估方法以大范圍地區的宏觀評估為主;另外一種則是以臺風災害發生頻度、強度以及具體承災體結構的統計模擬為主。

1.1 臺風災情的指標評估方法

臺風災情指標評估主要是針對宏觀范圍，如某次臺風對受災地區產生破壞的嚴重程度或者是某次臺風所致的總的破壞嚴重程度。目前的研究主要采取回歸分析法、模糊綜合評價法、層次分析法等。

(1)回歸分析法?；貧w是一種通過因變量模擬或預測響應變量的常用統計方法。應用回歸分析評估臺風災情，一類是直接考慮具體的致災因子與承災體因子，即自變量是各個致災因子，如臺風雨量、臺風登陸風速，因變量是各個災后因子，如倒損房屋數、人員傷亡數等。另一類則是以致災因子或者災后因子作為自變量，而以表征臺風災害綜合毀損程度的指數作為被模擬與預測變量建立回歸模型，如可將災情如倒損房屋數，受淹農田面積等合成為綜合災情等級，并作為響應變量與具體致災因子臺風風速和降水量等建立回歸關系式，模型輸出的響應變量則是評估或預估的災情綜合指數[5]。

具體的回歸形式上，選擇各有不同。第一種采用聯立方程模型形式，分別用災情因子，如受災面積、倒損房屋和人員傷亡以及致災因子，如臺風中心氣壓、過程降雨量、登陸風力、底層中心附近最大風速等建立了聯立方程模型。災情因子作為響應變量通過聯立方程組進行統計估計[6]。第二種采用多項式擬合。通過將臺風災害的主要致災因子合成為風指數、雨指數以及承災體指數，建立國民經濟直接損失模式(ELM)和倒損房屋數量模式(HCM和HDM)等災害損失預測模式，其回歸多項式階數根據預測效果進行確定[7]。第三種形式則采用冪函數擬合[8](表1)。

表1 臺風災情指標評估方法

(2)模糊數學方法。模糊綜合評判是采用模糊數學方法對多因素進行綜合的一種綜合評估方法。在臺風災害評估中，多因素模糊集合一類為臺風災害的災后因子，如倒損房屋、受淹農田，這類評估為臺風過后的災后評估。另一類為災中的臺風風速和雨量以及地理等因子，這種評估具有災前性質，則為災情的預評估。上述兩類均采用模糊方法確定單因素權重，從而進行綜合合成。在災害評估中采用模糊綜合評判方法，其優點是可以將本來模糊的、主觀性很大的定性評估轉變為定量評判，其思路清晰、評判結果直觀，且能滿足災害評估的精度要求。模糊數學評價方法具體使用時，指標選取各有特色。如梁必騏、樊琦等(選取臺風強度、登陸地區的社會經濟等有關資料對熱帶氣旋可能造成的災害經濟損失作計算和分級評估[10]。王秀榮，馬青云等則考慮了更多因子，尤其是將減災防災能力進行定量評估融入到模糊數學評價模型中，臺風影響時間和致災因子與脆弱性因子等10個因子構建綜合評價系數，并與通過經濟損失給出的實際災情對比分析，其模型既可對災情進行預估也可以災后評估[15]。在模糊綜合評估也可通過致災因子進行評估并與通過災后因子的災后評估結果進行比較并修正預評估模型。

(3)層次分析法。層次分析是較為典型的統計綜合評價方法，其通過將臺風致災影響因素建立指標系統，并進一步建立亞指標系統，形成指標分層，通過判斷矩陣確立各指標權重，并進行多指標綜合，計算總指數，從而進行災害的綜合評估。這一方法在臺風災害風險評估與災情評估中均有廣泛應用。如李春梅等人利用1949-2003年登陸和嚴重影響廣東省的熱帶氣旋的特征參數、氣象資料、直接經濟損失和造成的災情損失等資料，對參與評估的指標進行分層，分為中心最低氣壓、地理綜合參數、風綜合參數、雨綜合參數4個亞評估指標和17個單項評估分指標，利用專家打分法進行相對重要性的判別，確立權重系數，最后建立“熱帶氣旋綜合影響指數”，并采用“熱帶氣旋綜合影響指數”對熱帶氣旋災害的影響程度進行分級評判[12]。與模糊綜合評估和回歸分析法一樣，指標的選擇不同，則可分別進行災情的預評估與災后評估。

(4)可拓方法?？赏胤椒ㄊ俏覈鴮W者蔡文于1983年提出的，它用形式化工具，從定性和定量兩個角度去研究解決矛盾問題的規律和方法，其核心內容為物元理論和可拓集合理論，基本方法是通過建立多指標參數的質量評定模型來完整地反映樣本的綜合水平[13]。學者將可拓方法應用到臺風災害損失評估中，選擇降水量、降水強度、最大風速、經濟易損性作為評價的指標，利用可拓方法，將評價指標及其特征值作為物元，通過計算綜合關聯度，判斷災害損失的等級[13]。

(5)神經網絡法。神經網絡方法是一種具有高度計算能力、自學能力、容錯能力的對非線形關系的多變量的建模方法。在臺風災情預評估中，致災因子主要是雨量以及近地面中心最大風速等，災損因子通常則包括臺風受淹農田、倒損房屋數、直接經濟損失等。而這種聯系的具體形式是復雜和非線性的，通過一些歷史數據的神經網絡訓練，建立網絡結構模型，從而預測臺風損失災情[14]。神經網絡方法具有模擬精度高的特點，網絡構建合理，則會有較好的災情預測效果，否則災情預測效果則與模擬效果存在較大差距。

(6)灰色關聯分析方法?；疑P聯度分析法(Grey Relation Analysis)是一種多因素統計分析方法，它以各因素的樣本數據為依據，用灰色關聯度來描述因素間關系的強弱、大小和次序，若樣本數據反映出的兩因素變化的態勢基本一致，則它們之間的關聯度較大，反之，關聯度較小。與傳統的多因素分析方法相比，灰色關聯度分析法對數據要求較低且計算量較小，因此該方法已廣泛運用于社會和自然科學的各個領域，尤其在災情評估和經濟領域內取得了較好的應用效果[16]。該方法應用于評估臺風災情等級時，將臺風災害造成損失的各單項因子進行歸一化處理，然后將各次臺風造成損失的各單指標歸一化值與所有歷史臺風災情單指標的最大值構成的序列求關聯系數，再按照關聯系數的大小確定各次臺風災情的綜合嚴重程度[17]。實際應用中，該方法更多用于臺風災后評估[17-19]。

值得指出的是上述目前存在的臺風災害損失的主要評估方法中，如果采用災后災情因子，則評估結果為災后評估。如果采用災害過程中的致災因子如臺風大風、雨量等，其災害評估則是對災情的預測性評估，也稱預評估。理論上，回歸分析法、模糊綜合評判、層次評價法等均既可以災前或災中對災情損失進行評估，也可以采用災后因子進行災后評估，目前災后災情評估更多是多指標直接合成，采用統計模型災后評估較少(表1)。

1.2 臺風災情評估的統計模擬方法

臺風災情的統計模擬評估主要是以臺風災害發生的強度、頻度以及承災體具體結構的統計模擬為主，即通過受臺風威脅地區臺風發生頻度、強度以及承災體的具體特性和位置分布進行相應的統計模擬來評估臺風災害災情或風險。這一方法在國外開展較多，主要評估臺風風災，臺風帶來的大范圍降雨致災則被歸入洪澇災害。

臺風災情的統計模擬方法一般包括臺風頻度、強度、路徑模擬、臺風風場模擬、工程結構的風破壞模擬以及預期保險損失的模擬等[20](圖1)。

圖1 臺風災害統計模擬評估法基本框架

目前受臺風威脅地區的臺風發生頻數模擬采用的方法有三類:一類為直接采用歷史數據[21-22];第二類則采用擬合頻數的概率分布[23-24];第三種則以臺風實際發生過程為依據，對臺風的產生進行模擬再現[25]。臺風再現模擬中，氣旋活動的十年際變化、熱帶氣旋的年際變化、厄爾尼娜、拉尼娜等影響臺風活動因子等作為參數選擇因子，通過負二項分布或者泊松分布(Poisson)模擬氣旋發生頻數[20]。

臺風路徑模擬則模擬臺風的強度變化以及路徑變化，通過給定地區的登陸數檢驗確定模擬的準確度。臺風風場模擬應用成熟臺風的物理模型和臺風參數資料，采用數值方法模擬臺風風場[26]。

臺風進入受威脅地區的一定影響范圍內，則臺風風場模式與地區的建筑結構，地形數據相結合的風損失模型被應用，并評估破壞程度。其評估的基本方法通過構造風災地區損失模型(windfield damage model)，對地區風災損失或風險進行度量。風災地區損失模型一般通過確定各種臺風風速發生的概率，然后建立風速與破壞程度大小的函數關系，從而確定損失發生的概率，并計算預期損失來評估可能的災情或者將已經發生的臺風災害相關數據帶入模型，評估臺風災情。風災地區損失模型中，自變量是臺風風速，響應變量為臺風造成的預期損失。如Huang[27]，Dorland[28]，慕尼黑再保險公司[29]，瑞士再保險公司[30]，Klawa[31]，Unanwa[32]分別構建了適合當地的臺風風速與損失率的函數。Huang和Droland采用指數函數構建風速損失模型，而慕尼黑再保險公司，瑞士再保險公司，Klawa采用冪函數建立預期損失與臺風風速的關系[31]。

臺風統計模擬損失估計分別使用各種類型建筑體結構的脆弱性矩陣，計算預期損失。具體評估損失時一般采用兩種方法:一種方法通過估計每種保險方案下的全部的保險損失，然后再除以每年的臺風頻數，得到每年的預期損失。然后分別根據各地區的承災結構的暴露性程度，從而計算每個地區的預期損失;另外一種方法則與之相反，通過計算每個地區的風分布函數，得到每個地區的預期損失，通過累加估計各種保險方案下的整個地區的預期保險損失[33]。

各種學術研究中的臺風災情統計模擬評估，其基本流程可歸納為三個組成部分，四個模塊。

三個部分主要為臺風氣象模擬、臺風工程模擬以及保險模擬。其具體的四個模塊則為臺風預測模塊、風場模塊、工程脆弱性模塊以及保險損失模塊(見圖1)。

2 臺風災情評估方法的問題與局限

指標評估方法在國內評估研究中較為常見，是國內臺風災害風險與損失評估的主流方法，各種具體實施方法較多(見表1)，目前并沒有形成普遍公認的統一方法，而且此種方法存在一定的局限性。

從評估使用的技術方法上考慮，災情評估方法經歷了從簡單粗略到復雜的演變過程，評估結果的精確性逐漸提高，然而臺風災情評估模型仍不成熟，常用的評估方法如層次分析法、模糊數學方法等在確定評估指標的權重時往往采用專家打分，導致評估結果過于主觀，應發展更為合理的權重衡量方法。

從臺風災害評估的指標選擇上考慮，目前臺風災害評估方法主要考慮臺風強度和頻度，包括雨量與近中心風速、路徑以及臺風頻數等致災因子方面，承災體的脆弱性與其遭受的損失程度密切相關，但在對臺風災害承災體因子的選擇上并沒有達成較為一致、全面的看法，綜合考慮孕災環境與承災體對災情影響的評估較少;其次有些研究雖然考慮了承災體的社會經濟地理因素，但未能結合臺風路徑、強度和經濟地理空間分布，未能恰當地融合自然因素和社會經濟因素以及其在災害形成中的相互影響。

從評估的最終結果來看，臺風災害評估的結果基本上以指數或等級表征。然而，目前學者們量化災情等級大小時缺乏統一標準(見表1)。各種綜合指數出現在不同的文獻中，臺風災情等級臨界值也缺乏統計標準，標準的不統一導致各自的評估結果無法進行比較，使得以指數或等級大小表示的評估結果缺乏明確、直觀的意義。

在臺風災情的損失評估中，直接經濟損失的大小是災情的一個更為直觀的指標。運用數理統計方法對臺風災害的直接經濟損失進行預測和評估也可為防災和減災提供了較為合理、科學的依據。然而，臺風災害經濟損失價值的統計預測模型學術關注度較低，相應成果較少。臺風災害影響的經濟損失值的統計評估模型與預測尚未有成熟的方法。

臺風災害的統計模擬方法的主要問題在于由于模擬過程的各環節的復雜性，各種參數的選擇，導致結果的不確定性與差異。如在氣象模塊中，臺風風速模型及近地風場參數的不確定性和差異，會導致最終估算的臺風損失具有較大不穩定性[27-28]。在工程模塊中，風荷載模型基本上根據風荷載規范或風洞試驗結果建立，不能真實反映結構在臺風氣候下的風荷載，基于建筑結構的臺風易損性矩陣構建對實際狀況的模擬出現偏差[29]。此外，臺風災害的統計模擬方法主要模擬風災，對于臺風降雨引起的洪澇災害、風暴潮災害、海洋強浪引起的災害未予考慮，無法衡量臺風災害所致的破壞總程度。

3 兩種主要災情評估方法的比較

臺風災害的風險評估與臺風災情損失評估國內外顯現出不同的特點。臺風災害的指標評估方法是目前國內主要的災情評估方法，采用指標方法的統計綜合評估由于研究區域一般以省、區為單元，范圍太大，實際效用較小。而國外較為主流則是以臺風路徑、風場、建筑結構、損失的統計模擬為主，在模擬的基礎上進行地區風險評估，保險損失的計算(表2)。

表2 臺風災情評估方法比較

4 臺風災情評估的展望與啟示

臺風災情評估在理論和減災防災實踐中已有較多的成果。然而，以往對其研究現狀尚無相應綜述。本文綜合現有研究，對臺風災情評估現狀進行總結并重點評述臺風災情評估的方法。基于臺風災情評估現狀，筆者認為臺風災情評估發展應著力于以下幾個方面。

(1)統計模擬方法的臺風評估與指標法綜合評估結合。國內災情評估的研究無論是模糊數學方法還是層次分析等方法基本上是以指標的綜合指數衡量一個地區的風險或災情大小，其不足之處由于評估范圍較大，實用性有所欠缺?；谇榫澳M的臺風災害損失研究國外較為廣泛，應借鑒一些國外研究成果，如Florida颶風損失評估系統等，更為廣泛開展基于情景的臺風災害評估研究。將指標法與情境模擬的臺風災害評估結合起來，才能在減災防災中發揮更大作用。

(2)分行業的臺風災害評估。不同的行業對臺風災害的承受能力存在差異，臺風災害對不同的行業具有不同的影響特點，其產生的災情也具有不同的表現形式，如考慮以農業和水產養殖業等敏感行業為突破口，研究滿足不同行業需求的臺風災害損失評估模型。

(3)加強高新技術、特別是衛星遙感技術和GIS技術在臺風災害評估中的應用。近幾年，隨著航空航天技術的發展，衛星遙感技術在災害研究中已經得到較多應用，如，海嘯[34]、地震[35]、溢油[36-37]、有害藻華[38-40]等。衛星遙感技術有觀測面積大、數據應用期長、歷史數據可以回顧，可比性、可視性等優勢[41]，利用遙感和GIS，可以在臺風災情評估中快速將多源數據復合，通過網絡集成多種技術成果和數據后，進行快速準確連續動態與全天候的臺風災害的監測與評估。利用高分辨率的衛星遙感技術提供的小尺度災情數據，將促進臺風災情的監測和評估也會向高分辨率發展，將有效改變目前臺風災情評估由于評估區域較大、準確度和實用性不高的缺點。

(4)積極開展減災決策支持系統研究。臺風災害評估是一個復雜的過程，其數據量大，數據結構復雜，與地理空間數據和屬性數據關系密切，而GIS又具有功能齊全的空間數據分析和與專業模型相結合的能力，將評估模型與GIS結合，開發決策支持系統為減災防災提供可視化信息，為決策者提供可視化決策參考，具有重要的實際意義，應加強臺風災害評估決策支持系統研究[42-43]。鑒于現有成熟的系統開發成果較少，基于統計信息與統計模型的人機對話的臺風災害決策系統仍需不斷深化研究。

(5)亟需深化臺風災害評估內容。自然災害評估中，災害的間接經濟損失以及宏觀經濟效應是災害評估的課題之一。然而針對臺風災種的災害宏觀經濟效應評估研究較少，以臺風災害為研究對象的間接經濟損失的實證研究尚缺乏。臺風災害的生態評估和減災防災效益評估由于影響因素的復雜性則較少開展[44]。臺風災害評估應盡可能開展間接損失、生態以及減災防災效益評估的一些模型和實證研究，使評估的內容更為全面，有助于更為有效地實施臺風災害的減災防災及風險管理。

[1] Schmidt S，Kemfert C，H?ppe P.The impact of socio-economics and climate change on tropical cyclone losses in the USA[J].Regional Environmental Change，2010，10(1):13-23.

[2] Ou Jinping，Duan Zhongdong，Chang Ling.Typhoon risk analysis for key coastal cities in southeast China[J].Journal of Natural Disasters，2002，11(4):9-18.

[3] Xiao Fengjin，Xiao Ziniu.Characteristics of tropical cyclones in China and their impacts analysis[J].Nat Hazards，2010，54:827-837.

[4] Zhang Q，Wu L，Liu Q.Tropical Cyclone Damages in China 1983-2006[J].Bulletin of the American Meteorological Society，2009，90(4):489-495.

[5] 劉玉函，唐曉春，宋麗莉.廣東臺風災情評估探討[J].熱帶地理，2003，23(2):119-122.

[6] 錢燕珍，何彩芬，楊元琴，等.熱帶氣旋災害指數的估算與應用方法[J].氣象，2001，27(1):14-18.

[7] 呂純濂，陳舜華.氣象災害經濟損失估算與預測的經濟計量模式[J].南京氣象學院學報，1993，16(1):67-72.

[8] 林繼生，羅金鈴.登陸廣東的熱帶氣旋災害評估和預測模式[J].自然災害學報，1995，4(1):92-97.

[9] 趙飛，廖永豐，張妮娜，等.登陸中國臺風災害損失預評估模型研究[J].災害學，2011，26(2):81-85.

[10] 樊琦，梁必騏.熱帶氣旋災情的預測及評估[J].地理學報，2000，55(S1):52-56.

[11] 梁必騏，樊琦，楊潔，等.熱帶氣旋災害的模糊數學評價[J].熱帶氣象學報，1999(4):305-311.

[12] 李春梅，羅曉玲，劉錦鑾，等.層次分析法在熱帶氣旋災害影響評估模式中的應用[J].熱帶氣象學報，2006，22(3):223-228.

[13] 劉少軍，張京紅，何政偉，等.基于GIS的臺風災害損失評估模型研究[J].災害學，2010，25(2):64-67.

[14] 婁偉平，陳海燕，鄭峰，等.基于主成分神經網絡的臺風災害經濟損失評估[J].地理研究，2009(5):1243-1254.

[15] 王秀榮，王維國，馬清云.臺風災害綜合等級評估模型及應用[J].氣象，2010，36(1):66-71.

[16] 傅立.灰色系統理論及其應用[M].北京:科學技術出版社，1992:191-199.

[17] 劉偉東，扈海波，程叢蘭，等.灰色關聯度方法在大風和暴雨災害損失評估中的應用[J].氣象科技，2007(4):563-566.

[18] 牛海燕，劉敏，陸敏，等.中國沿海地區臺風災害損失評估研究[J].災害學，2011，26(3):61-64.

[19] 陳仕鴻，隋廣軍，唐丹玲.一種臺風災害評估模型及應用[J].災害學，2012，27(2):87-91.

[20] Hamid S，Golam Kibria B M，Gulati S，et al.Predicting losses of residential structures in the state of Florida by the public hurricane loss evaluation model[J].Statistical Methodology，2010，7(5):552-573.

[21] Yoshida M.Evaluation of fatigue damage to a damper induced by a typhoon[J].J Wind Eng Ind Aerod，1998，74:955-965.

[22] 魏章進，唐丹玲，隋廣軍.熱帶氣旋登陸概率的Logistic模擬[J].數理統計與管理，2012，31(3):523-535.

[23] Choi K S，Kim D W，Byun H R.Statistical model for seasonal prediction of tropical cyclone frequency in the mid-latitudes of East Asia[J].Theor Appl Climatol，2010，102(1):105-114.

[24] 魏章進，唐丹玲.西北太平洋熱帶氣旋源地、強度及其關聯性的統計研究[J].數理統計與管理，2011，30(3):512-521.

[25] Powell，M Soukup，G Cocke，et al.State of Florida hurricane loss projection model:Atmospheric science component[J].Journal of wind engineering and industrial aerodynamics 2005，93(8):651-674.

[26] Twisdale V A.Simulation of hurricane risk in the U.S.Using empirical track model[J].Journal of structural engineering，2000，10:1223-1237.

[27] Huang Z，Rosowsky D V，Sparks P R.Long-term hurricane risk assessment and expected damage to residential structures[J].Reliability Engineering and System Safety，2001，74:239-249.

[28] Dorland C，Tol R S J，Olsthoorn A A，et al.Impacts of windstorms in the Netherlands:Present risk and prospects for climate change[C]//Chapter 10 in Downing，Climate，Change and Risk.Routledge，London，New York，1999:245-278.

[29] Munich Re.Winter storms in Europe，analysis of 1990 losses and future loss potential[M].Münchener Rückversicherungs-Gesellschaft，1993.

[30] Swiss Re.Storms over europe，losses and scenarios[M].Zurich:Swiss Reinsurance Company，1993:28.

[31] Klawa M，Ulbrich U.A model for the estimation of storm losses and the identification of severe winter storms in Germany[J].Natural Hazards and Earth System Sciences，2003，3:725-732.

[32] Unanwa C O，McDonald J R，Mehta K C，et al.The development of wind damage bands for buildings[J].J Wind Eng Ind Aerod，2000，84(1):119-149.

[33] Mitsuta Y，Fujii T，Nagashima I.A Predicting Method of Typhoon Wind Damages[C]//Probabilistic Mechanics and Structural Reliability:Proceedings of the 7th Specialty Conference 1996:970-973.

[34] Pan Gang，Tang Danling.Satellite monitoring of phytoplankton in the East Mediterranean Sea after the 2006 Lebanon oil spill[J].International Journal of Remote Sensing，2012，33(23):7482-7490.

[35] Pan Gang，Tang Danling.Damage Information Derived from Multi-sensor Data of the Wenchuan(China)Earthquake of May 2008[J].International Journal of Remote Sensing.2010，31:3509-3519.

[36] Pan Gang，Tang Danling.Satellite investigations of the May 12 Sichuan Earthquake in the southwest China[J].Eos，2009，90:16-21.

[37] Tang Danling，Kawamura H，Hai Doan-Nhu，et al.Remote sensing oceanography of a harmful algal bloom(HAB)off the coast of southeastern Vietnam[J].J.of Geophysical Research(Ocean)，2004，109:1-7.

[38] Tang Danling，BP Di，G Wei，et al.Spatial，seasonal and species variations of harmful algal blooms in the South Yellow Sea and East China Sea[M].Hydrobiologia，2006.

[39] Tang Danling，Zhao H，Satyanarayana B，et al.Enhancement of Chlorophyll-a in the Northeastern Indian Ocean after the 2004 South Asian Tsunami[J].Int.J.Remote Sensing，2009，30(17):4553-4565.

[40] Chen Yongqiang，Tang Danling.Eddy-feature phytoplankton bloom induced by tropical cyclone in the South China Sea[J].International Journal of Remote Sensing，2012，33(23):7444-7457.

[41] Zhao H，Tang Danling，Wang DX.Phytoplankton blooms near the Pearl River Estuary induced by Typhoon Nuri[J].Journal of Geophysical Research-Oceans，2009，114:231-239.

[42] Chen Wangkun，Sui Guangjun，Tang Danling.Predicting the E-conomic Loss of Typhoon by case Base Reasoning and Fuzzy Theory[C]//Proceeding of the 2011 International Conference on Machine Learning and Cybernetics，Guilin，2011:254-257.

[43] 隋廣軍，唐丹玲，陳和.臺風災害的經濟影響和防災系統建設[J].國際經貿探索，2010，26(2):32-36.

[44] 鐘兆站.中國海岸帶自然災害與環境評估[J].地理科學進展，1997(3):44-50.